Guardoc Health automatise la documentation clinique grâce aux modèles d'IA d'Amazon Nova

Guardoc Health traite plus d'un million de documents cliniques par jour. L'utilisation des modèles Amazon Nova via Bedrock représente une avancée significative dans l'automatisation de la documentation médicale et la précision clinique.

L'équilibre crucial : la documentation clinique alimentée par l'IA

L’intégration de l’IA dans la documentation clinique exige une évaluation rigoureuse des risques. Les erreurs de documentation peuvent avoir des conséquences graves en cascade :

• Demandes de remboursement de Medicare refusées dans le cadre du modèle de paiement axé sur le patient (PDPM)
• Amendes d'audit substantielles et les sanctions réglementaires
• Exposition aux litiges à cause des incohérences de documentation
• Risques critiques pour la sécurité des patients des affections non diagnostiquées ayant une incidence sur les décisions de traitement

Cependant, une mise en œuvre réussie apporte des avantages mesurables : Réduction des cycles de correction, diminution des transferts hospitaliers et baisse significative des coûts de conformitéLe logiciel de documentation de Guardoc Health destiné aux prestataires de soins de longue durée démontre ces résultats grâce à des données de déploiement publiées.

Comprendre le défi de la documentation

Le système de traitement de Guardoc Health prend en charge les documents dans pratiquement tous les formats cliniques :

Des PDF multipages combinant des annotations manuscrites de médecins et du texte imprimé, des formulaires d'autorisation préalable où des cases à cocher uniques déterminent les décisions de couverture, des listes de médicaments apparaissant sous forme de tableaux structurés ou de texte libre, et des formulaires d'admission de patients mêlant champs dactylographiés, tampons et écriture manuscrite.

Recherche publiée dans BMJ Quality and Safety estimations d'environ Douze millions de patients ambulatoires américains sont touchés chaque année par des erreurs de diagnostic.Des défaillances dans le traitement de l'information ont été identifiées comme facteurs contributifs. Au volume de traitement de Guardoc, même un taux d'erreur de 1 % dans la détection des pathologies générerait quotidiennement des milliers d'enregistrements incorrects, chacun ayant des conséquences sur la sécurité des patients ou la conformité aux normes.

Améliorations quantifiées des performances

Guardoc Health signale des améliorations opérationnelles substantielles :

Lors d'un déploiement trimestriel couvrant deux établissements et 200 patients, le système a permis d'obtenir les résultats suivants :

• 847 corrections de documentation mis en œuvre
• 86 problèmes d'exactitude du remboursement PDPM identifié et résolu
• Réduction de 74 % des transferts hospitaliers pour 100 admissions

Une étude de cas distincte portant sur sept établissements et 1 618 résidents a identifié 10 612 problèmes de documentation, selon les données de l'entreprise.

Architecture d'IA optimisée en termes de coûts

L'architecture technique de Guardoc met en œuvre Génération augmentée par récupération (RAG) Pour la classification des affections, extraire les preuves de la documentation du patient avant d'appliquer un raisonnement pour générer des conclusions.

Le processus de traitement suit une approche par étapes :

1. Amazon Textract extrait le texte et les métadonnées structurelles des pages entrantes au point de coût par page le plus bas
2. Le contenu est découpé le long des limites cliniques, en préservant les listes de médicaments et les sections de diagnostic en tant qu'unités intactes
3. Chaque morceau est Intégré à l'aide d'Amazon Titan Text Embeddings V2 et stockés dans Amazon DynamoDB avec partitionnement au niveau du patient
4. UN préfiltre personnalisé réduit les ensembles de candidats par type de document et par date de publication avant que la recherche des k plus proches voisins ne récupère les segments pertinents.
5. Amazon Nova 2 Lite effectue un filtrage textuel pour éliminer les correspondances manifestement erronées
6. Amazon Nova Pro reçoit des octets PDF bruts pour un raisonnement multimodal final sur la mise en page, l'écriture manuscrite, les signatures et les tampons.

Cette philosophie de conception privilégie L'optimisation des coûts est obtenue en réservant le raisonnement multimodal, gourmand en ressources de calcul, à l'étape finale. où il offre une valeur maximale, tandis que des composants moins coûteux gèrent les opérations d'intégration et de filtrage à grand volume.

Gestion des scénarios de documentation complexes

Deux catégories de documents représentent les cas les plus complexes :

L'extraction des médicaments présente une complexité supplémentaire. Les noms des médicaments, les dosages, les voies d'administration et les fréquences apparaissent sous de multiples formats : tableaux structurés, textes dans les notes du médecin, ajouts manuscrits aux listes imprimées et numérisations faxées sur plusieurs générations.

Le pipeline hybride de Guardoc résout ce problème en Exécution préalable d'Amazon Textract pour des tableaux imprimés propres, puis en transmettant à la fois le PDF original et la sortie Textreat à Amazon Nova Pro pour résoudre les problèmes de retour à la ligne dans les colonnes des tableaux, les ajouts manuscrits et les formats non standard que la reconnaissance optique de caractères (OCR) seule ne peut pas analyser avec précision.

Impact sur l'industrie et orientations futures

« Grâce à la gamme Nova, nous facilitons la détection précoce des cas à haut risque par les organismes de santé et leur permettons d'agir avant que les problèmes ne deviennent coûteux. En automatisant les flux de travail qui nécessitaient auparavant une supervision manuelle, la gamme Nova aide les équipes à réduire les écarts de conformité, à prévenir les erreurs et à consacrer davantage de temps à l'amélioration des résultats pour les patients. »

— Assaf Amiaz, directeur des produits chez Guardoc Health

Ce déploiement démontre comment Le traitement de documents basé sur l'IA peut transformer les flux de travail de la documentation clinique., permettant ainsi aux équipes soignantes de passer d'une surveillance manuelle à une prise en charge proactive des patients, tout en maintenant les normes de conformité et en réduisant les coûts opérationnels.

Principaux enseignements pour les organismes de santé :

• La mise en œuvre stratégique de l'IA peut réduire considérablement les erreurs de documentation et les risques de non-conformité.
• Les architectures optimisées en termes de coûts rendent le traitement de documents à grande échelle économiquement viable.
• Les modèles d'IA multimodaux gèrent efficacement les formats de documentation clinique complexes
• Les flux de travail automatisés permettent aux professionnels de la santé de privilégier les soins aux patients par rapport aux tâches administratives.